Mantener al mismo personaje entre varios vídeos con IA es difícil. Aunque el prompt repita la descripción, pueden cambiar el rostro, la silueta o la ropa. En un producto pueden variar el envase, la forma o el material. Añadir adjetivos sin límite no soluciona el problema: conviene dar una referencia visual clara y reducir el número de variables que cambian en cada prueba.
Veo3o1 ofrece dos flujos con imágenes: Imágenes de referencia y Fotogramas inicial y final. Si importa más la identidad que una composición exacta al principio o al final, las referencias suelen ser el mejor punto de partida.
Qué controlan las imágenes de referencia
Una imagen transmite detalles difíciles de describir con precisión: proporciones faciales, vestuario, paleta, envase, materiales u objetos recurrentes. En Veo3o1, este modo acepta de una a tres imágenes y funciona con Lite o Fast.
Sus condiciones actuales son:
- de una a tres imágenes;
- modelo Lite o Fast;
- 8 segundos de duración;
- relación 16:9 o 9:16, sin opción Auto.
Antes de enviar se muestran estas limitaciones y el coste exacto en créditos. Consulta la guía de imágenes de referencia para ver los controles vigentes.
Preparar referencias que se complementen
Más imágenes no siempre significan más consistencia. Cada una debe aportar información diferente. Para un personaje, un conjunto práctico incluye:
- un retrato frontal o de tres cuartos nítido;
- una toma más amplia que muestre ropa y proporciones;
- un perfil u otra expresión con una iluminación parecida.
Para un producto, utiliza una vista principal limpia, un ángulo que revele forma y material y un detalle del rasgo más importante. No mezcles peinados, vestuario, versiones del envase, tratamientos de color o direcciones de luz distintas salvo que el cambio sea intencionado. Las referencias contradictorias obligan al modelo a adivinar qué detalle debe prevalecer.
Escribir un prompt que proteja la identidad
Trata la identidad como una constante y el movimiento como la variable:
[sujeto fijo] + [una acción] + [entorno] + [cámara] + [luz] + [rasgos que no cambian]
Ejemplo:
La mujer de las imágenes de referencia camina despacio por el vestíbulo tranquilo de un hotel y conserva el pelo negro corto, el traje azul marino, los pendientes plateados y los mismos rasgos faciales. Plano medio con travelling a la altura de los ojos, luz cálida de ventana, movimiento natural contenido, sin cambio de vestuario.
El texto identifica al sujeto, pide una acción clara, define el plano y repite solo los rasgos importantes. No añade a la vez otro personaje, un cambio de ropa, un salto temporal y varios movimientos complejos en ocho segundos.
Iterar de forma controlada
Cambia una sola variable por generación. Primero comprueba sujeto, acción y cámara. Si la identidad es estable, ajusta después la luz o el fondo. Al modificar a la vez prompt, semilla, formato y modelo no sabrás qué decisión mejoró el resultado.
La semilla opcional ayuda a comparar ajustes similares, pero no garantiza fotogramas idénticos. Guarda con cada resultado útil el prompt, modelo, relación de aspecto, referencias y semilla.
Resolver fallos habituales
Cambian la cara o la forma del producto
Usa una referencia principal más limpia y simplifica la acción. Los planos muy abiertos, movimientos rápidos, desenfoque intenso y ocultaciones largas reducen la información visible sobre la identidad.
Cambian la ropa o los colores
Elimina imágenes incompatibles. Nombra una vez el color y la prenda que deben mantenerse. Evita palabras de estilo que sugieran otra paleta.
El sujeto parece inmóvil
Conserva los límites de identidad, pero describe una acción física y otra de cámara. «Se gira hacia la ventana mientras la cámara avanza lentamente» es más claro que «hazlo cinematográfico y dinámico».
La escena está sobrecargada
Divide la idea en varios clips. Un plano presenta al sujeto, otro muestra la acción y el montaje los conecta. Una generación corta funciona mejor con una sola prioridad visual.
¿Referencias o fotogramas inicial y final?
Usa referencias para preservar una persona, producto o mundo visual dejando que el modelo componga el movimiento. Elige fotogramas inicial y final cuando la apertura, el cierre o la transición entre ambos sea la condición principal. La comparación de los dos modos explica la decisión.